i
DETEKSI EKSUDAT PADA CITRA RETINA MENGGUNAKAN MEAN SHIFT SEGMENTATION DAN ADAPTIVE THRESHOLDING
TUGAS AKHIR
Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana
Oleh Timona Absari 09011181520117
JURUSAN SISTEM KOMPUTER
FAKULTAS ILMU KOMPUTER
UNIVERSITAS SRIWIJAYA
2020
ii
HALAMAN JUDUL
DETEKSI EKSUDAT PADA CITRA RETINA MENGGUNAKAN MEAN SHIFT SEGMENTATION DAN ADAPTIVE THRESHOLDING
TUGAS AKHIR
Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana
Oleh Timona Absari 09011181520117
JURUSAN SISTEM KOMPUTER
FAKULTAS ILMU KOMPUTER
UNIVERSITAS SRIWIJAYA
2020
i
vi
KATA PENGANTAR
Puji dan syukur penulis panjatkan atas kehadirat Allah SWT yang telah memberikan karunia dan rahmatNya, sehingga penulis dapat menyelesaikan pembuatan atau penelitian Tugas Akhir dengan judul “Deteksi eksudat pada citra retina1menggunakan Mean Shift Segmentation dan Adaptive Thresholding” sebagai salah satu syarat untuk menyelesaikan jenjang strata 1pada jurusan Sistem Komputer Fakultas Ilmu KomputerUniversitas Sriwijaya. Shalawat dan salaam tak lupa kita hantarkan kepada junjungan kita Nabi Muhammad SAW beserta keluarga, sahabat dan para pengikutnya hingga akhir zaman.
Pada kesempatan ini penulis ingin mengucapkan terimakasih kepada pihak - pihak yang telah memberikan motivasi, bimbingan pengarahan, dorongan, bantuan moril maupun materil dalam menyelesaikan laporan Tugas Akhir ini. Untuk itu penulis mengucapkan banyak terimakasih kepada:
1. Orang tua penulis, Alm. Akadir dan Ibu Aminah beserta saudara – saudara penulis yakni Ningmas Mulyawati, Siti Daryati, dan Yusman Fatimura yang telah memberikan dukungan, doa, motivasi untuk kelancaran dalam menyelesaikan Tugas Akhir ini.
2. Pak Nik dan Tante yang selalu mendukung, membantu dan mendo’akan penulis dalam menyelesaikan Tugas Akhir ini.
3. Bapak Jaidan Jauhari, S.Pd. M.T selaku Dekan Fakultas Ilmu Komputer Universitas Sriwijaya.
4. Bapak Dr.Ir.H. Sukemi, M.T selaku Ketua Jurusan Sistem Komputer Universitas Sriwijaya.
5. Bapak Dr. Erwin, S.Si. M.Si. selaku pembimbing Tugas Akhir yang telah berkenan meluangkan waktunya guna membimbing, memberikan pengarahan dan motivasi untuk penulis dalam menyelesaikan Tugas Akhir ini.
6. Bapak Dr.Ir.Bambang Tutuko, M.T selaku pembimbing akademik penulis. 7. Mbak Winda Kurnia Sari, selaku admin Jurusan Sistem Komputer yang
vii
8. Teman – teman dan adik – adik seperjuangan melakukan bimbingan Tugas akhir dengan Bapak Dr. Erwin, S.Si. M.Si.
9. Ulpa, Mega, Sindi teman – teman SK15B yang selalu memberikan semangat dan dukungan kepada penulis.
10.Maulana Malik Ibrahim yang selalu memberikan motivasi, dukungan serta doa untuk penulis dalam menyelesaikan Tugas Akhir ini.
11.Seluruh teman Jurusan Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya khususnya angkatan 2015.
12.Dan semua pihak yang telah membantu dalam penulisan Tugas Akhir ini yang tidak bisa penulis sebutkan satu persatu.
Penulis menyadari bahwa Laporan ini masih jauh dari kesempurnaan, oleh karena itu penulis sangat mengharapkan kritik dan saran yang bersifat membangun agar lebih baik lagi dikemudian hari.
Akhir kata dengan segala keterbatasan, penulis berharap semoga laporan ini menghasilkan sesuatu yang bermanfaat bagi kita semua khususnya bagi mahasiswa Fakultas Ilmu Komputer Universitas Sriwijaya secara langsung ataupun tidak langsung sebagai sumbangan pikiran dalam peningkatan mutu pembelajaran.
Indralaya, Agustus 2020
viii DAFTAR ISI
HALAMAN JUDUL……….i
HALAMAN PENGESAHAN……….ii
HALAMAN PERSETUJUAN ... iii
HALAMAN PERNYATAAN ... iv ABSTRAK………...v KATA PENGANTAR………vi DAFTAR ISI……….vii DAFTAR GAMBAR………viii BAB I PENDAHULUAN 1.1Latar Belakang ... 1
1.2Rumusan dan Batasan Masalah ... 2
1.3Tujuan dan Manfaat ... 3
1.4Metodologi Penelitian ... 4
1.5Sistematika Penulisan ... 5
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait ... 6 2.2 Pengolahan Citra ... 7 2.2.1 Citra ... 7 2.2.2 Pengolahan Citra ... 9 2.3 Struktur Mata... 10 2.4 Retina ... 11
ix 2.5 Diabetic Retinopathy ... 14 2.6 Eksudat ... 14 2.7 STARE ... 16 2.8 RGB ... 16 2.9 Morfologi Closing ... 16
2.10 Mean Shift Segmentation ... 18
2.11 Adaptive Trhesholding ... 18
BAB III METODE PENELITIAN 3.1 Pendahuluan ... 20
3.2 Kerangka Kerja Penulisan ... 20
3.3 Dataset ... 21 3.4 Perancangan Sistem ... 21 3.4.1 Groundtruth ... 22 3.4.2 Input Image ... 25 3.4.3 Pra Pemrosesan ... 25 3.4.3.1RGB to luv ... 25
3.4.3.2Mean Shift Segmentation ... 26
3.4.3.3Grayscale ... 26
3.4.3.4 Greaan Channel ... 27
3.4.4 Deteksi Kandidat Daerah Eksudat ... 28
3.4.5 Peningkatan Kontas ... 28
3.4.6 Eliminasi Optik Disk ... 29
3.4.7 Adaptive Trhesholding ... 30
3.4.8 Remove Small Object ... 30
3.4.9 Morfologi Closing ... 31
3.4.10 ROI ... 31 BAB IV HASIL DAN PEMBAHASAN
x 4.1Pendahuluan... 33 4.2Akuisisi Dataset ... 33 4.3Akuisisi Citra ... 38 4.3.1 Input Citra ... 38 4.4 Pra Pemrosesan ... 39 4.4.1 RGB to luv ... 39
4.4.2 Mean Shift Segmentation ... 40
4.4.3 Grayscale ... 41
4.4.3 Greean Channel ... 42
4.5 Deteksi Daerah Kandidat Eksudat ... 42
4.6 Peningkatan Kontras ... 43
4.7 Eliminasi Optik Disk ... 44
4.8 Adaptive trhesholding ... 45
4.9 Remove Small Object ... 45
4.10 Morfologi closing ... 46
4.11 ROI ... 46
4.12 Hasil ... 47
4.13 Perhitungan Performa dan Hasil Deteksi ... 51
4.14 Pembahasan dan Analisa ... 55
BAB V KESIMPULAN 5.1 Kesimpulan ... 57
5.2 Saran ... 57
DAFTAR PUSTAKA LAMPIRAN
xi
DAFTAR GAMBAR
Gambar 2.1 Struktur bagian mata ... 10
Gambar 2.2 Retina ... 14
Gmbar 2.3 Citra Retina dengan Eksudat ... 15
Gambar 3.1 Kerangka Kerja Penulisan ... 20
Gambar 3.2 Kerangka Kerja Perancangan Sistem ... 14
Gambar 3.3 Kerangka Kerja Pra Pemrosesan ... 15
Gambar 4.1 Input Citra ... 18
Gambar 4.2 Hasil Gambar RGB to luv ... 19
Gambar 4.3 Mean Shift Segmentation ... 20
Gambar 4.4 Grayscale ... 21
Gambar 4.5 Green Channel ... 21
Gambar 4.6 Deteksi Daerah Kandidat Eksudat... 22
Gambar 4.7 Peninngkatan Kontras ... 22
Gambar 4.8 Adaptive Trhesholding ... 23
Gambar 4.9 Remove Small Object... 23
Gambar 4.10 Mordologi Closing ... 24
Gambar 4.11 ROI ... 25
12 BAB I PENDAHULUAN 1.1Latar Belakang
Menurut International Diabetes Federation (IDF), sekitar 415 juta populasi di dunia menderita penyakit diabetes pada sepanjang tahun 2015 dan diperkirakan akan terus meningkat hingga 642 juta populasi di dunia pada tahun 2040, dan disetiap enam detik seseorang meninggal yang di akibatkan oleh penyakit diabetes[1]. Diabetes sendiri adalah penyakit yang terjadi dalam kurun waktu yang lama atau kronis yang terjadi akibat tingginya kadar gula dalam darah atau yang bisa di sebut dengan Hyperglycemia. Kadar gula darah yang tinggi di akibatkan oleh pancreas yang tidak bisa menghasilkan insulin, sehingga kadar gula dalam darah menumpuk dan terjadi kerusakan pada organ vital manusia yang dimana salah satunya adalah mata, salah satunya yaitu diacetic retinopathy[2].Diabetic retinopathy merupakan salah satu kerusakan pembuluh darah yang bisa mengalami pendarahan dan bocor pada mata yang disebabkan oleh diabetes mellitus[3][4]. Penyakit ini dapat menyebabkan berkurangnya penglihatan hingga yang paling parah mengalami kebutaan[5][6][7]. Diabetic retinopathy dibagi dalam dua macam yaitu diabetic retinopathy non-proliferatif (NPDR) dan diabetic retinopathy proliferative (PDR)[8]. Diabetic retinopathy biasanya pada tahapan awal tidak menunjukkan atau tidak munculnya gejala – gejala atau tanda – tanda yang signifikan pada penderita penyakit ini, namun jumlah dan keparahan kelainan akan terus meningkat dan terjadinya perubahan kecil pada kapiler retina[9]. Saat diabetic retinopathy semakin parah maka akan muncul tanda – tanda yang lebih berat yaitu dengan timbulnya mikroaneurisma, pendarahan dan eksudat pada retina[10]. Eksudat sendiri merupakan timbunan lipid dan lipoprotein dekat kapiler pada retina yang bisa terjadi kebocoran dengan warna putih kekuningan serta memiliki lokasi,1ukuran dan bentuk serta kontras atau intensitas cahaya yang berbeda. Lokasi dan ukuran merupakan suatu hal yang sangat penting bagi ophthalmologist atau dokter ahli mata dalam menentukan tingkat keparahan penyakit[4][6]. Intensitas cahaya dan kontras pada gambar citra retina merupakan suatu1hal yang membuat ophthalmologist sedikit kesulitan dalam deteksi eksudat karna intensitas cahaya dan kontras saat pengambilan gambar tidak cukup baik.
Deteksi dini eskudat secara otomatis sangat diperlukan, melihat dari lambannya muncul tanda – tanda dari diabetic retinopathy yang akan sangat berbahaya bagi penglihatan[11].
13
Algoritma Mean Shift adalah salah satu metode yang bisa digunakan untuk mendeteksi eksudat pada citra retina pada penderita penyakit diabetic retinopathy. Metode ini merupakan proses pencarian mode perulangan untuk menemukan maxima local dari fungsi kepadatan. Proses ini diterapkan untuk menentukan mode warna atau intensitas citra[10].
Adaptive Thresholding adalah salah satu metode yang paling sederhana yang digunakan untuk memisahkan citra dengan background. Selain sederhana, thresholding juga bisa melakukan komputasi dengan cepat dan kuat teknik segmentasinya[10]
Uraian di atas menjadikan alasan penulis untuk melakukan penelitian terkait deteksi eksudat melalui citra retina kepada penderita penyakit diabetic retinopathy dengan menggunakan metode Mean Shift Segmentation dan Adaptive Thresholding.
1.2Rumusan dan Batasan Masalah
Rumusan dan batasan masalah pada penelitian ini adalah: 1.2.1 Rumusan masalah
Adapun rumusan masalah pada penelitian ini adalah sebagai berikut:
1. Bagaimana proses deteksi eksudat pada citra retina menggunakan Mean Shift Segmentation dan Adaptive Thresholding.
2. Bagaimana hasil kualitas akuras dan spesifisitas yang didapat dari penelitian 3. Bagaimana proses menghilangkan optic disk pada citra retina dengan eksudat 1.2.2 Batasan Masalah
1. Penelitian kali ini menggunakan metode Mean Shift Segmentation dan Adaptive Thresholding
2. Eksudat merupakan objek yang digunakan oleh peneliti.
3. Mencari dan mengetahui nilai pengukuran akurasi dan spesifikasi
1.3Tujuan dan Manfaat
14 1.3.1 Tujuan
a. Untuk membuat sebuah rancangan sistem yang dapat mendeteksi eksudat melalui citra retina .
b. Meningkatkan kualitas milai persentasi akurasi dan spesifisitas pada metode Mean Shift Segmentation dan Adaptive Thresholding dalam mendeteksi eksudat pada penderita diabetic retinopthy melalui citra retina.
1.3.2 Manfaat
a. Diharapkan dapat digunakan sebagai bahan rujukan dalam penelitian selanjutnya tentang deteksi eksudat dengan metode Mean Shift Segmentation. b. Diharapkan dapat berguna dalam mengidentifikasi dini penyakit eksudat
melalui citra retina.
1.4Metodologi Penelitian
Adapun metodologi pada penelitian ini adalah sebagai berikut:
1. Metode Perumusan masalah
Perumusan masalah adalah tahap dimana peneliti menentukan permasalahan yang ada, yaitu bagaimana cara “Deteksi Eksudat Pada Penderita Diabetic Retinopathy
Menggunakan Metode Mean Shift Segmentation dan Adaptive Thresholding”.
selanjutnya akan dilakukan penentuan perumusan masalah yang akan muncul dan mencari solusinya.
2. Metode Study pustaka/literature
Langkah selanjutnya adalah study/literature yang dimana peneliti mencari dan mengumpulkan referensi bacaan tentang deteksi eksudat pada penderita diabetic retinopathy menggunakann metode Mean Shift Segmentation dan Adaptive Thresholding guna untuk menunjang penulisan penelitian.
15
Peneliti berkonsultasi kepada orang – orang yang memahami dan mengerti tentang permasalahan yang ada pada penelitian yang akan dilakukan.
4. Metode Perancangan Sistem
Pada tahap ini akan membahas rancangan sistem tentang bagaimana proses pendeteksian citra retina menggunakan metode Mean Shift Segmentation dan adaptive thresholding.
5. Metode Pengujian
Sistem yang telah dirancang akan1diuji dengan cara mendeteksi eksudat pada citra retina menggunakan metode Mean Shift Segmentation dan Adaptive Thresholding guna menghasilkan nilai akurasi dan spesifisitas yang telah dideteksi.
6. Metode analisa dan kesimpulan
Data yang dihasilkan dari tahap sebelumnya akan dianalisa untuk melihat apakah hasil penelitian terdapat kekurangan serta penyebabnya, sehingga dikemudian hari bisa dikembangkan oleh para peneliti yang tertarik pada penelitian ini selanjutnya.
1.5Sistematika Penulisan
Adapun sistematika penulisan tugas akhir ini adalah:
BAB 1 PENDAHULUAN
Pada bab ini penulis akan menjabarkan tentang latar belakang penulisan, rumusan masalah dan batasan masalah penulisan, tujuan dan manfaat penulisan, metodologi dan sistematika penulisan untuk tugas akhir ini.
16
Pada bab ini penulis akan menjelaskan secara menyeluruh tentang teori – teori yang berkaitan dengan judul yang telah ditentukan.
BAB 3 METODOLOGI PENELITIAN
Pada bab ini menjelaskan bagaimana tahap – tahap mendeksi eksudat pada tahap processing citra retina menggunakan Mean Shift Segmentation dan Adaptive Thresholding.
BAB 4 PENGUJIAN DAN ANALISA
Pada bab ini menjelaskan bagaimana hasil pengujian dan proses deteksi dengan pengolahan citra dari sistem yang telah dilakukan.
BAB 5 KESIMPULAN
Pada bab ini berisi kesimpulan yang telah didapat dari penelitan yang telah dilakukan.
17
DAFTAR PUSTAKA
[1] H. A. Nugroho, W. K. Z. Oktoeberza, R. L. Budiani, and T. B. Adji, “Analysis of texture-based features for image classification of retinal exudates,” ACM Int. Conf. Proceeding Ser., vol. Part F1313, pp. 54–58, 2017.
[2] M. M. Fraz, W. Jahangir, S. Zahid, M. M. Hamayun, and S. A. Barman, “Multiscale segmentation of exudates in retinal images using contextual cues and ensemble classification,” Biomed. Signal Process. Control, vol. 35, pp. 50–62, 2017.
[3] K. Adem, “Exudate detection for diabetic retinopathy with circular Hough transformation and convolutional neural networks,” Expert Syst. Appl., vol. 114, pp. 289–295, 2018. [4] P. Prentašić and S. Lončarić, “Detection of Exudates in Fundus Photographs using Deep
Neural Networks and Anatomical Landmark Detection Fusion,” Comput. Methods Programs Biomed., 2016.
[5] S. Banerjee and D. Kayal, “Detection of hard exudates using mean shift and normalized cut method,” Biocybern. Biomed. Eng., vol. 36, no. 4, pp. 679–685, 2016.
[6] M. Partovi, S. H. Rasta, and A. Javadzadeh, “Automatic detection of retinal exudates in fundus images of diabetic retinopathy patients,” vol. 4, no. 2, 2016.
[7] E. Imani and H. R. Pourreza, “A novel method for retinal exudate segmentation using signal separation algorithm,” Comput. Methods Programs Biomed., vol. 133, pp. 195–205, 2016.
[8] M. Omar, F. Khelifi, and M. A. Tahir, “Detection and Classification of Retinal Fundus Images Exudates using Region based Multiscale LBP Texture Approach,” pp. 227–232, 2016.
[9] G. H. Kom, B. C. W. Tindo, J. R. M. Pone, and A. B. Tiedeu, “Automated Exudates Detection in Retinal Fundus Image Using Morphological Operator and Entropy Maximization Thresholding,” vol. 12, no. 3, pp. 212–224, 2019.
[10] A. Elbalaoui and M. Fakir, “Exudates detection in fundus images using mean-shift segmentation and adaptive thresholding,” Comput. Methods Biomech. Biomed. Eng. Imaging Vis., vol. 7, no. 2, pp. 145–153, 2019.
[11] S. Yu, D. Xiao, and Y. Kanagasingam, “Exudate Detection for Diabetic Retinopathy With Convolutional Neural Networks,” pp. 1744–1747, 2017.
[12] M. Maity, D. K. Das, D. M. Dhane, C. Chakraborty, and A. Maiti, “Fusion of Entropy-Based Thresholding and Active Contour Model for Detection of Exudate and Optic Disc in Color Fundus Images,” J. Med. Biol. Eng., vol. 36, no. 6, pp. 795–809, 2016.
